Server less cloud computing has won vast recognition in current years because of its capability to provide green and price-effective solutions for numerous computing needs. On this model, cloud carriers manage the scaling and provisioning of sources, permitting users to consciousness totally on their application code. As an end result, server less computing gives an appealing opportunity to standard server-primarily based computing, in which customers needed to control the whole infrastructure themselves. However, with the rise of server less computing, there was a growing challenge about the effectiveness of algorithms on these surroundings. Traditional algorithms are designed to run on a set of resources, which may not translate properly to the dynamic and elastic nature of server less structures. This has caused a want for studies in developing algorithms mainly tailor-made for server less computing. One fundamental assignment on this place is the optimization of resources and price inside the server less environment. Since customers simplest pay for the resources they use, it's far critical to layout algorithms that minimize useful resource consumption and value. Previous research has already indicated that conventional algorithms that rely upon pre-determined aid allocation won't carry out nicely within the server less model. Moreover, server less systems additionally introduce new challenges in phrases of useful resource availability, network latency, and processing delays due to the pay-in keeping with-use model.

Cloud computing enabled Wi-Fi networks provide an outstanding opportunity for corporations to distribute extensive area community (WAN) site visitors and advantage from reduced latency because of the proliferation of hyper connectivity. The feasibility of implementing a Wide Area Network (WAN) traffic distribution system in cloud computing enabled wireless networks was studied. The study aimed to determine the practicality and effectiveness of this approach in improving network performance. For the experiment, a sample network topology was designed to simulate real-world scenarios and subjected to diverse traffic loads. The results showed that the WAN traffic distribution system was indeed feasible and could effectively distribute and balance network traffic in cloud computing enabled wireless networks. Furthermore, key metrics such as network latency, packet loss, and throughput were significantly improved compared to traditional networks without the WAN distribution system. Further research and development in this area could potentially lead to improved network efficiency and enhanced user experience in the rapidly growing field of cloud computing. Those consequences reveal the feasibility of deploying WAN site visitors distribution in cloud computing-enabled wireless networks, and serves as a starting point for further study aiming to improve the performance of such networks.

Server less computing solutions within the cloud presentsan exceptional opportunity for corporations to gain progressed scalability, availability, and fee efficiency. To reap such blessings, establishments need to utilize the handiest dynamic scheduling algorithms that are tailor-made to their unique needs. These algorithms can include predictive scheduling, call for-driven scheduling, and application-conscious scheduling, among others. Predictive scheduling algorithms are looking for to expect capacity call for to prevent erratic performance. This study focuses on dynamic scheduling algorithms for serverless computing solutions in the cloud. The researchers explore the characteristics of serverless computing models and the challenges of dynamic scheduling. A comprehensive evaluation is conducted on various scheduling algorithms, taking into consideration performance metrics such as throughput, response time, and resource utilization. The results show that dynamic scheduling algorithms are effective in optimizing resource allocation and improving overall system performance. Specific values derived from the results include a significant reduction in resource wastage, improved scalability, and increased cost-effectiveness. These findings suggest that dynamic scheduling algorithms are crucial for efficient and scalable serverless computing solutions in the cloud. With the aid of applying the maximum suitable dynamic scheduling algorithms tailor-made to precise desires, corporations could be higher prepared to fulfill their formidable cloud-computing dreams.

Cloud computing is a paradigm that enables users to access statistics and programs through the use of a virtualized infrastructure. As such, it could be leveraged to lessen the prices of strolling an allotted system, even at the same time growing its competencies and flexibility. Unfortunately, cloud computing additionally has a big effect on the great of service of the underlying Wi-Fi community. In this paper, we discover the best carrier influences of cloud computing over wi-wireless networks in phrases of latency, throughput, and packet loss. Wi-Fi, we talk about the demanding situations and solutions associated with integrating Wi-Fi networks with cloud computing architectures. We then evaluate the overall performance of different eventualities, consisting of using 4G and 5G, as well as baseline overall performance without cloud integration. Our outcomes show that cloud computing can improve the general quality of service of Wi-Fi wireless networks despite the fact that there may be full-size variations between exceptional community generations.

Cellular advert Hoc Networks (MANETs) is self-organizing wireless networks that lack the physical infrastructure and centralized manage of conventional networks. With a purpose to enable powerful communiqué, it's miles important to deal with the resource allocation problem in MANETs. Recently, Cloud Computing algorithms were used to evaluate aid allocation techniques in MANETs. Those algorithms contain sampling strategies, which include nearest neighbor, Monte Carlo, and hybrid strategies, to optimize the useful resource utilization levels. This allows for a more correct assessment of the to be had assets in MANETs. Moreover, these algorithms also can be carried out to autonomously control and time table communication flows with a view to improve standard network performance. This paper affords an outline of the existing aid allocation techniques and their evaluation in MANETs the usage of cloud computing algorithms. It also discusses the impacts of the useful resource control selections in MANETs and the challenges confronted in deploying cloud computing algorithms in these settings. Lastly, a fixed of future studies directions is proposed to in addition improve resource allocation techniques in MANETs.

Scheduling tasks closer to stored data can significantly reduce network traffic. By optimizing for data locality, tasks can be matched with their associated data on the same node, minimizing the need for data transfer. However, many existing schedulers overlook the balance between task placement, data transfer overhead, and bandwidth consumption, focusing only on locality. We present a novel Genetic Algorithm-based Data Locality Scheduler (GADLS), which aims to balance time consumption and network bandwidth while improving data locality and throughput. GADLS employs a genetic algorithm to model data-task placement as a chromosome, optimizing for configurations that maximize locality and minimize bandwidth use. It integrates a multi-objective fitness function, balancing data movement, network traffic, and task runtime, with adaptive mutation and crossover mechanisms to explore a broad range of placement options. Through this approach, GADLS achieves an improvement of 18% in data locality rate and a 27% increase in throughput, demonstrating its effectiveness in maximizing resource utilization and enhancing performance in distributed environments.